Detecting Unobserved Heterogeneity in Efficient Prices via Classifier-Lasso
通过 Classifier-Lasso 检测有效价格中的未观测异质性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确采用具有潜在分组结构的面板误差修正模型，核心方法涉及面板异质性。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
通过 Classifier-Lasso 检测有效价格中的未观测异质性
- 研究问题
- 如何允许股票买卖报价的长期关系存在潜在组间差异，并据此构建有效价格指标，判断传统报价中点是否充分反映价格信息？
- 方法与思路
- 作者使用带潜在分组的面板误差修正模型，将 Classifier-Lasso 扩展到组别识别与组内长期关系估计，再据此确定买卖报价权重。
- 材料陈述的贡献
- 摘要称，研究建立一致分组识别及后 Lasso 估计的渐近性质，并发现样本中超过三成股票的估计有效价格显著偏离报价中点。
- 阅读关注点
- 应核对长期关系的识别、组数选择和分类一致性的条件，以及价格偏离中点如何支持关于知情交易程度与方向的解释。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；具体正则条件、采样频率和知情交易解释的验证未说明，不能将价格偏离直接视为因果证据或推断刊本变化。
原文摘要
This article proposes a new measure of efficient price as a weighted average of bid and ask prices, where the weights are constructed from the bid-ask long-run relationships in a panel error-correction model (ECM). To allow for heterogeneity in the long-run relationships, we consider a panel ECM with latent group structures so that all the stocks within a group share the same long-run relationship and do not otherwise. We extend the Classifier-Lasso method to the ECM to simultaneously identify the individual’s group membership and estimate the group-specific long-run relationship. We establish the uniform classification consistency and good asymptotic properties of the post-Lasso estimators under some regularity conditions. Empirically, we find that more than 30% of the Standard & Poor’s (S&P) 1500 stocks have estimated efficient prices significantly deviating from the midpoint—a conventional measure of efficient price. Such deviations explored from our data-driven method can provide dynamic information on the extent and direction of informed trading activities.